論文の概要: RL-Based Guidance in Outpatient Hysteroscopy Training: A Feasibility
Study
- arxiv url: http://arxiv.org/abs/2211.14541v1
- Date: Sat, 26 Nov 2022 11:16:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 17:44:53.255210
- Title: RL-Based Guidance in Outpatient Hysteroscopy Training: A Feasibility
Study
- Title(参考訳): 腹腔鏡下手術におけるRL-based Guidanceの検討
- Authors: Vladimir Poliakov and Kenan Niu and Emmanuel Vander Poorten and
Dzmitry Tsetserukou
- Abstract要約: 本研究は, 外来内視鏡トレーニングのためのRLをベースとした薬剤である。
近年の進歩により麻酔を伴わない外来での介入が可能となった。
患者に有益であると同時に、患者が快適な状態を維持し、組織損傷を予防するための新たな対策を講ずるために、臨床医に新たな課題がもたらされる。
- 参考スコア(独自算出の注目度): 4.614579113754949
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work presents an RL-based agent for outpatient hysteroscopy training.
Hysteroscopy is a gynecological procedure for examination of the uterine
cavity. Recent advancements enabled performing this type of intervention in the
outpatient setup without anaesthesia. While being beneficial to the patient,
this approach introduces new challenges for clinicians, who should take
additional measures to maintain the level of patient comfort and prevent tissue
damage. Our prior work has presented a platform for hysteroscopic training with
the focus on the passage of the cervical canal. With this work, we aim to
extend the functionality of the platform by designing a subsystem that
autonomously performs the task of the passage of the cervical canal. This
feature can later be used as a virtual instructor to provide educational cues
for trainees and assess their performance. The developed algorithm is based on
the soft actor critic approach to smooth the learning curve of the agent and
ensure uniform exploration of the workspace. The designed algorithm was tested
against the performance of five clinicians. Overall, the algorithm demonstrated
high efficiency and reliability, succeeding in 98% of trials and outperforming
the expert group in three out of four measured metrics.
- Abstract(参考訳): 本研究は, 外来内視鏡トレーニングのためのRLベースの薬剤である。
子宮鏡は子宮腔検査のための婦人科的手技である。
近年の進歩により,麻酔を伴わない外来での介入が可能となった。
患者にとって有益である一方で、このアプローチは患者の快適さの水準を維持し、組織損傷を予防するための追加措置を講じるべき臨床医に新たな課題をもたらす。
これまでの研究は,頸管通過に焦点をあてたヒステロスコープトレーニングのプラットフォームを提示した。
本研究は,頸管通過の作業を自律的に実行するサブシステムを設計することで,プラットフォームの機能を拡張することを目的としている。
この機能は後に仮想インストラクターとして使用して、研修生に教育的ヒントを提供し、パフォーマンスを評価することができる。
開発したアルゴリズムは、エージェントの学習曲線を滑らかにし、ワークスペースの均一な探索を確実にするためのsoft actor criticアプローチに基づいている。
設計したアルゴリズムは、5人の臨床医のパフォーマンスに対してテストされた。
全体として、アルゴリズムは高い効率と信頼性を示し、98%の試験に成功し、4つの測定基準のうち3つで専門家グループを上回った。
関連論文リスト
- An Automated Machine Learning Framework for Surgical Suturing Action Detection under Class Imbalance [1.2043621020930133]
解釈可能なアウトプットによる外科的動作のリアルタイム検出は,自動的かつリアルタイムな指導フィードバックとスキル開発に不可欠である。
本稿では,経験者および研修医双方から収集した手術行動データに基づいて,自動機械学習手法を用いた迅速な展開手法を提案する。
論文 参考訳(メタデータ) (2025-02-10T12:47:36Z) - Coaching a Robotic Sonographer: Learning Robotic Ultrasound with Sparse Expert's Feedback [2.0831669527081473]
本稿では,ロボット超音波(RUS)の性能向上のためのコーチングフレームワークを提案する。
このフレームワークは、自己管理の実践と、コーチングによるスパース専門家のフィードバックを組み合わせる。
専門家によるコーチングは、専門家による修正に基づいてポリシーパラメータを更新する部分観測可能なマルコフ決定プロセス(POMDP)としてモデル化されている。
論文 参考訳(メタデータ) (2024-09-03T23:52:33Z) - Goal-conditioned reinforcement learning for ultrasound navigation guidance [4.648318344224063]
目標条件強化学習(G)としてのコントラスト学習に基づく新しい超音波ナビゲーション支援手法を提案する。
我々は,新しいコントラスト的患者法 (CPB) とデータ拡張型コントラスト的損失を用いて,従来の枠組みを拡張した。
提案法は, 789人の大容量データセットを用いて開発され, 平均誤差は6.56mm, 9.36°であった。
論文 参考訳(メタデータ) (2024-05-02T16:01:58Z) - Measurement Scheduling for ICU Patients with Offline Reinforcement
Learning [16.07235754244993]
研究によると、ICUで注文された検査の20-40%は冗長であり、患者の安全を損なうことなく排除できる。
これまでの研究はオフライン強化学習(Offline-RL)を利用して、患者情報に基づく検査の順序付けに最適なポリシーを見つけてきた。
その後、新しいICU患者データセットがリリースされ、Offline-RL法で様々な進歩がなされた。
論文 参考訳(メタデータ) (2024-02-12T00:22:47Z) - A Survey of the Impact of Self-Supervised Pretraining for Diagnostic
Tasks with Radiological Images [71.26717896083433]
自己教師付き事前学習は,伝達学習における特徴表現の改善に有効であることが観察されている。
本総説ではX線, CT, 磁気共鳴, 超音波画像における使用法について概説する。
論文 参考訳(メタデータ) (2023-09-05T19:45:09Z) - U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep
Staging [61.6346401960268]
プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。
不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
論文 参考訳(メタデータ) (2023-06-07T08:27:36Z) - Demonstration-Guided Reinforcement Learning with Efficient Exploration
for Task Automation of Surgical Robot [54.80144694888735]
効率的な強化学習アルゴリズムであるDEX(Demonstration-Guided Exploration)を導入する。
本手法は,生産的相互作用を促進するために,高い値で専門家のような行動を推定する。
総合的な手術シミュレーションプラットフォームであるSurRoLによる10ドルの手術操作に関する実験では、大幅な改善が示されている。
論文 参考訳(メタデータ) (2023-02-20T05:38:54Z) - Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。
医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。
外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
論文 参考訳(メタデータ) (2022-07-01T14:17:11Z) - CholecTriplet2021: A benchmark challenge for surgical action triplet
recognition [66.51610049869393]
腹腔鏡下手術における三肢の認識のためにMICCAI 2021で実施した内視鏡的視力障害であるColecTriplet 2021を提案する。
課題の参加者が提案する最先端の深層学習手法の課題設定と評価について述べる。
4つのベースライン法と19の新しいディープラーニングアルゴリズムが提示され、手術ビデオから直接手術行動三重項を認識し、平均平均精度(mAP)は4.2%から38.1%である。
論文 参考訳(メタデータ) (2022-04-10T18:51:55Z) - Evaluating the Robustness of Self-Supervised Learning in Medical Imaging [57.20012795524752]
自己監督は、小さな注釈付きデータセット上でターゲットタスクを訓練する際の効果的な学習戦略であることを示した。
本研究では,自己監視学習によって訓練されたネットワークが,医療画像の文脈における完全監視学習と比較して,堅牢性と汎用性に優れていることを示した。
論文 参考訳(メタデータ) (2021-05-14T17:49:52Z) - Surgical Skill Assessment on In-Vivo Clinical Data via the Clearness of
Operating Field [18.643159726513133]
本論文では,実際の臨床データセットを用いて外科的スキルアセスメントについて検討する。
手術領域のクリアネス(COF)は総合的な外科的スキルの指標として有用である。
COFのプロキシを通じて外科的スキルを予測するための,客観的かつ自動化されたフレームワークを提案する。
実験では, 提案手法はスピアマンの0.55の相関性を, 総合技術技術の基礎的真理と比較した。
論文 参考訳(メタデータ) (2020-08-27T07:12:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。